在投资人交流会上，DeepSeek创始人梁文锋反复强调的不是融资或市场份额，而是“克制”。开源、低价、不抢用户，背后是一套“合理利润”逻辑。当算力有限时，效率不是优化项，而是生存方式。本文拆解这家公司如何通过克制提高做成AGI的概率。

一场面向投资人的交流会里，梁文锋反复说的却不是融资、收入和市场份额，而是两个字：克制。

模型为什么要开源？价格为什么不再往上抬？去年突然来的 C 端用户，为什么不急着抢？做 AI 的公司，为什么不顺手把广告、电商、垂直应用都做掉？

这些问题看起来分散。但把整场交流会放在一起看，会发现它们都指向同一件事：一家资源并不天然占优的公司，怎样提高自己做成 AGI 的概率。

这不是一套“不赚钱”的叙事。恰恰相反，梁文锋给出的说法是：商业化要做，合理利润要拿，C 端和 B 端也都会服务。但这些都不该抢走最重要的排序。

在这场交流里，“克制”不是少做一点事，而是决定什么事暂时不做。

一、愿景不是挂在墙上，而是机会来了，知道什么不抢

梁文锋一开场讲的不是产品，也不是资本市场。

他先讲公司最初为什么成立：不是为了先算清楚能赚多少钱、什么时候上市，而是相信这件事对人有用。后来利益变大、诱惑变多，那是后面的事；出发时的愿景没有变。

这里的愿景不是企业宣言，而是公司每天怎么运行：面对用户、收入和市场机会时，是否立刻去抢；面对看起来很赚钱的业务时，是否必须自己做；面对同行时，是否天然把对方定义为敌人。

在他的表述里，DeepSeek 早期并不靠严密的规章制度把所有人组织起来，而是更多依靠一个共同认可的大方向。每个人对那个方向的理解不必完全一样，但至少知道：公司不是按“利润最大化”这一个指标来行动。

这也解释了他为什么多次提到“一群平凡的人”。

资源、知名度、算力都不占优时，团队能不能为了一个足够大的目标长期协作，本身就是一种能力。聪明人聚在一起，并不意味着他们会自动朝同一个方向用力。

愿景不是公司说自己相信什么，而是机会摆在眼前时，它决定不去抢什么。

二、开源、低价、不抢用户，其实是一套“合理利润”逻辑

整场交流会最反直觉的部分，是梁文锋对开源和价格的解释。

很多人的默认想法是：模型越强，越该闭源；用户越多，越该赶紧变现；价格越有上涨空间，越该把利润做厚。开源与商业化，似乎天然站在两边。

他的判断恰好相反。

在他看来，AI 不是一个规模有限的软件生意。它如果真的足够重要，未来影响的价值会大到没有任何一家公司可以长期独占。越想把大部分利益都留在自己手里，越可能遇到更大的阻力，也越难把事情真正做成。

所以，开源不是一种不得已的姿态，而是“克制”策略的一部分。

这不代表开源后就没有生意。梁文锋在交流中反复强调，模型权重、方法和使用方式公开，并不等于别人能以同样的成本，把同样的效果稳定地部署出来。

真正的壁垒不只在模型本身，也在把模型做得足够便宜、可靠的能力里。第三方即便可以部署，也未必能做到相同的成本结构。

他给出过一个很具体的定价口径：设备大约十个月回本，就算合理利润。

这不是按财务折旧去算，而是一种经营上的自我限制：在某个价格区间里，价格更高，收入未必等于创造了更多价值。

他说过一个内部细节：某款模型最初为了控制需求，定价偏高；后来把价格降到原来的四分之一，团队反而很高兴。原因不复杂——大家希望自己花很大力气做出来的东西，真的能让更多人用得起。

当一家公司只取“合理利润”时，开源未必会击穿它的商业模式；当一家公司想赚到极高的利润时，开源当然会带来更多竞争。冲突不只在“开不开源”，也在你究竟想从里面拿走多少。

同样的逻辑，也延伸到 C 端用户和 B 端收入。

去年突然涌入的 C 端用户，在他看来不是必须马上兑现的战场。可以服务好、以较低成本维持，但没必要因此把公司改造成另一个超级 App。

今年的 API 与 B 端收入也一样。它们可以成为现金流，甚至可以支撑公司的长期经营；但在这套排序里，它们仍然是通往 AGI 的过程中自然长出来的结果，而不是先设定好、再让技术去配合的终点。

不是不赚钱，而是不把“赚到最多”当成第一条指令。

三、只做 AGI 主线：模型下一步缺的不是答案，而是持续学习

梁文锋对技术路线的表达，也延续了这种“只走主线”的思路。

他认为，今天的模型在一个前提下已经很强：你得把任务、背景、上下文和指令讲得足够清楚。条件给全了，它在很多局部任务里可以做得比人更好。

现实不会每次都把上下文打包好。新员工花一段时间熟悉人、事和隐含规则后，听到“找小王”就知道该做什么；模型却要一次次补齐背景，尚未真正把环境学进去。

因此，在梁文锋给出的路线图里，持续学习是下一道更大的门槛。

语言模型是基础，思维链让模型能更好地推理，Agent 让它能完成更长、更复杂的任务。可即便 Agent 能调用工具、执行步骤，它也仍然受限于不会在长期工作中有效积累经验。

如果这一层被突破，模型就不只是一次次接受指令，而更像能和人一起长期工作的同事。它能持续学习，也能反过来帮助人更快研发下一代模型。

这也是他反复强调“先让模型帮助 DeepSeek 自己”的原因。

在他的叙事里，下一代模型的第一目标，不只是让普通用户觉得更好用，而是先提升团队开发下一版模型的效率。AI 先帮助 AI 研究，进展就不再完全依赖人力线性堆叠。

交流中，他明确说过，这更可能是一个连续、但并不线性的过程。模型如果能加速 AI 研究，后续进展会越来越快；可它不是按下一个按钮，就从工具突然变成万能机器。

多模态会做，但更像组件；世界模型、3D、视频生成不是没有价值，只是当前不在提升智能上限的最前面。

对于很多人爱谈的“品味”和“直觉”，他的回答也很直接：AI 未必最缺这个，它更缺持续学习。

真正拉开下一步差距的，也许不是 AI 会不会回答，而是它能不能在工作里越做越会。

四、竞争的本质是成本、时间和体验，背后却是算力

谈到模型竞争，梁文锋没有把差异归结为某一个神奇算法，或者某一个单点功能。

他的概括是三件事：在相近效果下，谁的成本更低；谁更早把能力做出来；谁给用户的体验更好。

其中，成本被放在最前面。

这也是为什么“效率”在整场交流会里不断出现。模型做得更省，不只是用户调用时更便宜；对研发团队而言，同样的算力资源也能支撑更多实验、更大的模型和更快的迭代。

算力有限时，效率不是锦上添花，而是决定你能不能继续往前走的边界。

梁文锋在交流中多次把中国与美国的差距归到资源上，而不是简单归到人才上。他的意思是，人才本身不是长期稀缺品；真正稀缺的是卡、集群和足够多的实验机会。

算力少，不只压住模型规模，也压缩试错和人才成长的机会。最后看起来像人才、模型、应用都落后，根子仍是资源约束。

他在交流中提到过自身的等效算力、海外大模型的激活规模，以及“能买多少卡就买多少卡”的态度。它们说明：在当前阶段，算力并不是一个可以轻轻带过的成本项。

这也让“成本低”有了双重意义。

对用户来说，它意味着使用门槛更低。对公司来说，它意味着在同样的资源下，可以训练得更大、试得更多，甚至把某些本来做不起的方向做起来。

他认为，成本和产品体验可能是中国公司的结构性机会；但总体资源差距仍在，不能把局部优势说成全面领先。

当算力不够时，效率不是优化项，而是生存方式。

五、国产卡与 TileLang：生态问题可能在变，但产能还在那里

交流会里，国产算力是另一个被问得很细的话题。

梁文锋的判断是，过去大家最担心的“生态不好”，未必会永远是国产卡最大的障碍。AI 辅助写代码、高级编程语言、专用芯片路线的变化，都在削弱旧生态不可替代的程度。

他特别提到 TileLang。它的意义不只是换一种写法，而是让底层优化不必完全沿着原有 CUDA 生态走。程序写得更快，代码量更少，再加上 AI 可以协助开发，适配一套新生态的难度就可能下降。

生态问题不是不存在，而是有机会被技术和时间逐步解决；真正更硬的约束，仍然是产能。

即使国产卡能完成适配，能效和交付数量仍决定它能不能支撑下一代训练。梁文锋谈到与华为的合作时，也把重点放在“先把生态做好”和产能限制上，而不是把国产替代说成已经完成。

这部分表态和前面的“克制”其实是一致的。

公司会自建集群，也会深入参与工具和生态建设。但他并不预设必须把芯片、集群、模型、应用都做成自己的。只做最关键、最擅长的一块，其他环节在合理价格下交给合作伙伴，同样是更轻的路径。

当生态不再是唯一的门槛，算力竞争终会回到最朴素的问题：谁能更快、更便宜地把资源变成能力。

六、商业化不是不做，而是暂时不让它决定技术路线

把商业化放在后面，不等于对商业化没有判断。

梁文锋在交流中讲得很坦白：如果 API 和 B 端需求继续增长，公司会有收入，也可能形成足够稳的经营基础。最保守的情况下，把服务做好、把 API 卖好，也能支撑一家上市公司。

区别只在于，业务要解决的是公司活下去的问题，不能过早替技术决定方向。现在就围绕广告、电商、本地生活或各种垂直闭环搭出很重的产品线，可能会把大量时间押在一两年后已经失效的判断上。

在他的排序里，通用 Coding Agent 比金融、医疗等垂直 Agent 更靠前。

理由并不神秘：模型能力仍在快速变化时，先把通用能力往前推，后面很多商业路径才会自然显现。现在急着把每条路径写死，反而容易被技术迭代甩在后面。

所以，C 端、B 端和资本市场都不是对立面。它们提供的是稳定性和余地，让公司可以继续做长期研发；但它们不应该提前接过方向盘。

商业化是让公司活下去的底盘，不该提前变成决定它往哪里走的方向盘。

七、真正不能让步的，只有团队稳定

如果说前面谈的是公司对外怎么取舍，那么谈到组织时，梁文锋给出的核心利益只有一个：团队稳定。

他认为，钱、资源和时间都能在一定程度上解决。项目会晚一些，模型会慢一些，甚至某个方向会多绕一点路。但只要关键团队还在，大家还能继续做，事情就仍然有机会做成。

所以，融资、期权、组织调整，最终都指向同一个目标：让最早、最重要的一批人能稳定留下来。

这也能理解他描述的组织方式。

公司一方面有自上而下的“正事”——发模型、做协作、完成需要多人配合的任务。另一方面，也给研究者保留自下而上的空间，让他们去想自己认为重要的问题。

他提出的一个理想状态是，“正事”不要占满每个人全部时间，剩下的时间让人探索、试错，提出还没有被写进计划的问题。

少加班同样不是一句轻飘飘的福利口号。

研究需要相对松弛的环境，高度聚焦也意味着主动少做很多事。既然不试图把每一块机会都抓在手里，员工自然不必被无限多的项目牵着跑。

当然，组织规模变大后，原来的松散状态也不能照搬。

梁文锋也承认，未来有些部门需要更严谨的层级和分工，另一些部门仍会保持相对扁平。重点不是守住一种组织形式，而是让组织变化不破坏最初的研究能力和团队关系。

在他的排序里，钱和资源都是时间问题；能不能让这群人继续一起做事，才是不能让步的问题。

八、不把同行都当对手，才有可能把产业做大

最后再看他对行业和合作的态度，逻辑仍然没有变。

梁文锋认为，中国做基座模型的公司最终会收敛。原因不是谁会一家独大，而是当高利润不再成立，没必要有太多公司在同一层重复投入同样的资源。

收敛不是独占，开放也不是放弃竞争。未来真正拉开差距的，还是成本、时间和体验。

但“收敛”不等于“垄断”。他多次说到，愿意帮助合作伙伴，甚至愿意帮助竞争对手复现和部署模型。既然选择开源，就不该只把边界写在纸上，而不愿意让别人真正用起来。

这不是没有竞争，而是不把所有新增价值都定义为必须由自己拿走。模型公司把主线能力做好，其他团队去做应用、行业方案和生产环境。

这也是为什么，他不愿意把公司做成“什么都吃”的巨头：那些业务会分走注意力，也会让公司更难保持对 AGI 主线的聚焦。

九、真正值得留意的，是一家公司不做什么

这场交流会里有许多会被单独摘出来传播的内容：模型路线、国产卡、算力规模、收入预期、发版节奏。

但如果只盯着这些单点，很容易错过更完整的逻辑。

梁文锋想讲的不是“开源一定比闭源好”，也不是“商业化不重要”，更不是“资源约束可以忽略”。他的判断是，在 AI 仍高速变化的阶段，最重要的不是把眼前每个机会都拿走，而是持续提高自己走到下一步的概率。

所以，开源、低价、少做产品闭环、优先投入效率、保留研究空间、维持团队稳定，才会被放进同一套叙事里。

这套路线能否被验证，仍要交给技术进展、市场需求和时间。它也未必是行业唯一答案。

一家公司的长期判断，藏在它反复决定不做的事情里。

这场交流会呈现了一种很值得反复想的选择：当所有人都在问 AI 公司还能吞下多少市场时，另一种更难的问题是——为了走得更远，你愿意先放下多少？

说明：本文仅依据《梁文锋投资者交流会（完整版全文）》转录整理。文中的数字、时间表、技术和商业判断均为发言人口径，未作独立核验。